أساسيات تعلم الآلة

أتقِن الأساسيات مع دورة «أساسيات تعلم الآلة» عبر الإنترنت. صُممت هذه الدورة لتزويد المشاركين بفهم شامل للمفاهيم والأدوات الجوهرية في تعلم الآلة، وبناء قاعدة معرفية متينة تمهّد للانتقال إلى تقنيات أكثر تقدماً. تتناول الدورة موضوعات محورية تشمل تقدير كثافة الاحتمال (Probability Density Estimation) لفهم كيفية نمذجة توزيعات البيانات، والانحدار الخطي (Linear Regression) بوصفه أحد أهم نماذج التنبؤ المستمرة. كما تغطي تقنيات التصنيف (Classification) مثل النماذج التمييزية الخطية (Linear Discriminants)، والانحدار اللوجستي (Logistic Regression)، وآلات المتجهات الداعمة (Support Vector Machines)، مع التركيز على تعريف هذه النماذج وسلوكها وكيفية استخدامها عملياً. بالإضافة إلى ذلك، تقدم الدورة مدخلاً إلى أساليب التجميع (Ensemble Methods) مثل التجميع بالحقائب (Bagging) والتعزيز (Boosting)، والتي تُستخدم لرفع دقة النماذج وتحسين قدرتها على التعميم. وتختتم الدورة بتقديم أساسيات الشبكات العصبية العميقة (Deep Neural Networks)، بما يضع الأساس لفهم التعلم العميق وتطبيقاته. طوال الدورة، سيعمل المتعلمون على تمارين تطبيقية تساعدهم على ترسيخ الفهم وتحويل المفاهيم النظرية إلى مهارات قابلة للتطبيق، بما يضمن امتلاك أساس قوي في المناهج الأساسية لتعلم الآلة.

• تعريف تعلم الآلة الإحصائي
• تقدير كثافة الاحتمال
• تعريف نماذج التمييز الخطي وفهم سلوكها
• فهم الانحدار الخطي وتطبيقه
• فهم الانحدار اللوجستي وتطبيقه
• فهم آلات المتجهات الداعمة وتطبيقها

• أساسيات الجبر الخطي (المتجهات والمصفوفات)
• أساسيات العشوائيات والإحصاء (المتوسط والتباين والمتغيرات العشوائية والتوزيع الطبيعي)
• مهارات برمجة أساسية بلغة بايثون